refactor(datasource): 分层接口设计，移除HybridDataSource

架构改动:
- 移除 HybridDataSource（功能被 UniversalDataFetcher 覆盖）
- 新增分层接口设计：基础层 + 扩展层

基础层（统一接口）:
- fetch(): 统一 OHLCV 接口，自动识别资产类型
- fetch_batch(): 批量获取

扩展层（资产类型特有）:
- fetch_etf_adj(): A股 ETF 后复权价格
- fetch_us_adj(): 美股复权价格
- fetch_etf_with_nav(): ETF 价格 + 净值 + 溢价率

其他修改:
- YFinanceSource: 新增 fetch_adj() 方法
- strategy.py: 改用 UniversalDataFetcher 替代 HybridDataSource
- __init__.py: 移除 HybridDataSource 导出

strategies/rotation/strategy.py

@@ -5,6 +5,7 @@
 """
 
 import pandas as pd
+import numpy as np
 import yaml
 from datetime import datetime
 from pathlib import Path
@@ -113,7 +114,7 @@ class RotationStrategy(StrategyBase):
         
         Args:
             use_flask_api: 是否使用 Flask API 服务获取数据（默认 True）
-                           False 则使用本地 HybridDataSource
+                           False 则使用本地 UniversalDataFetcher
         """
         code_list_config = self.config.get('code_list', {})
         benchmark_config = self.config.get('benchmark', {})
@@ -237,6 +238,12 @@ class RotationStrategy(StrategyBase):
                 index_close_dict[code] = df['close']
         index_close = pd.DataFrame(index_close_dict) if index_close_dict else None
         
+        # 获取 A 股 SSE 官方交易日历
+        from datasource.tushare_source import TushareSource
+        tushare = TushareSource()
+        a_share_dates = tushare.fetch_trade_cal(self.start_date, self.end_date)
+        print(f"A股交易日历: {len(a_share_dates)} 天")
+        
         return {
             'index_data': index_ohlcv_data,  # 原始 OHLCV 数据 {code: DataFrame}
             'index_close': index_close,       # 对齐后的收盘价（宽格式）
@@ -245,7 +252,8 @@ class RotationStrategy(StrategyBase):
             'etf_premium_data': etf_premium_data,  # ETF 溢价率数据 {code: dict}
             'benchmark_data': benchmark_data, # 基准收盘价 Series
             'valid_codes': valid_codes,       # 有效指数代码列表
-            'etf_code_map': etf_code_map      # {指数代码: ETF代码} 映射
+            'etf_code_map': etf_code_map,     # {指数代码: ETF代码} 映射
+            'a_share_dates': a_share_dates    # A股SSE交易日历
         }
     
     def _get_data_from_local(
@@ -253,33 +261,90 @@ class RotationStrategy(StrategyBase):
         code_list_config: dict,
         benchmark_code: str
     ) -> dict:
-        """使用本地 HybridDataSource 获取数据"""
-        from datasource import HybridDataSource
+        """使用本地 UniversalDataFetcher 获取数据"""
+        from datasource import UniversalDataFetcher
+        from datasource.tushare_source import TushareSource
         
         ssh_config = self.config.get('ssh_tunnel', {})
         
-        data_source = HybridDataSource(
+        fetcher = UniversalDataFetcher(
             ssh_config=ssh_config,
             use_cache=self.config.get('use_cache', True)
         )
         
-        # 调用 fetch_all
-        index_data, etf_data, etf_nav_data, benchmark_data, valid_codes, index_ohlcv_data, etf_code_map = \
-            data_source.fetch_all(
-                code_config=code_list_config,
-                benchmark_code=benchmark_code,
-                start_date=self.start_date,
-                end_date=self.end_date
-            )
+        index_codes = list(code_list_config.keys())
+        etf_code_map = {idx_code: cfg['etf'] for idx_code, cfg in code_list_config.items() if cfg.get('etf')}
+        
+        # 获取指数数据
+        index_ohlcv_data = {}
+        valid_codes = []
+        
+        with fetcher:  # 使用上下文管理器自动管理 SSH 隧道
+            for code in index_codes:
+                data = fetcher.fetch(code, self.start_date, self.end_date)
+                if data is not None and len(data) > 0:
+                    index_ohlcv_data[code] = data
+                    valid_codes.append(code)
+                    print(f"✓ {code}: {len(data)} 条")
+                else:
+                    print(f"✗ {code}: 无数据")
+        
+        # 构建宽格式收盘价
+        index_close = None
+        if index_ohlcv_data:
+            close_list = []
+            for code, df in index_ohlcv_data.items():
+                close_df = df[['close']].copy()
+                close_df.columns = [code]
+                close_list.append(close_df)
+            index_close = pd.concat(close_list, axis=1)
+        
+        # 获取 ETF 数据
+        etf_data = None
+        etf_nav_data = None
+        
+        tushare = TushareSource()
+        
+        if etf_code_map:
+            etf_price_list = []
+            etf_nav_list = []
+            
+            for idx_code, etf_code in etf_code_map.items():
+                # ETF 价格
+                etf_df = tushare.fetch_etf(etf_code, self.start_date, self.end_date)
+                if etf_df is not None and len(etf_df) > 0:
+                    etf_df = etf_df[['close']].copy()
+                    etf_df.columns = [etf_code]
+                    etf_price_list.append(etf_df)
+                
+                # ETF 净值
+                nav_df = tushare.fetch_etf_nav(etf_code, self.start_date, self.end_date)
+                if nav_df is not None and len(nav_df) > 0:
+                    nav_df = nav_df[['nav']].copy()
+                    nav_df.columns = [etf_code]
+                    etf_nav_list.append(nav_df)
+            
+            if etf_price_list:
+                etf_data = pd.concat(etf_price_list, axis=1)
+            if etf_nav_list:
+                etf_nav_data = pd.concat(etf_nav_list, axis=1)
+        
+        # 基准数据
+        benchmark_data = tushare.fetch_index(benchmark_code, self.start_date, self.end_date)
+        
+        # A股交易日历
+        a_share_dates = tushare.fetch_trade_cal(self.start_date, self.end_date)
+        print(f"A股交易日历: {len(a_share_dates)} 天")
         
         return {
             'index_data': index_ohlcv_data,  # 原始OHLCV数据
-            'index_close': index_data,       # 对齐后的收盘价（宽格式）
+            'index_close': index_close,      # 对齐后的收盘价（宽格式）
             'etf_data': etf_data,
             'etf_nav_data': etf_nav_data,
             'benchmark_data': benchmark_data,
             'valid_codes': valid_codes,
-            'etf_code_map': etf_code_map     # {指数代码: ETF代码} 映射
+            'etf_code_map': etf_code_map,    # {指数代码: ETF代码} 映射
+            'a_share_dates': a_share_dates   # A股SSE交易日历
         }
     
     def compute_factors(self, data: dict) -> pd.DataFrame:
@@ -290,17 +355,20 @@ class RotationStrategy(StrategyBase):
         index_data = data['index_data']
         valid_codes = data['valid_codes']
         
-        # 获取A股交易日历作为基准（使用已有的对齐后数据索引）
-        index_close = data.get('index_close')
-        if index_close is not None:
-            a_share_dates = index_close.index
-        else:
-            for code in valid_codes:
-                if code.endswith('.SH') or code.endswith('.SZ') or code.endswith('.CSI'):
-                    a_share_dates = index_data[code].index
-                    break
+        # 获取 A 股 SSE 官方交易日历（优先使用已获取的）
+        a_share_dates = data.get('a_share_dates')
+        if a_share_dates is None or len(a_share_dates) == 0:
+            # 回退：使用已有的对齐后数据索引
+            index_close = data.get('index_close')
+            if index_close is not None:
+                a_share_dates = index_close.index
             else:
-                a_share_dates = index_data[valid_codes[0]].index
+                for code in valid_codes:
+                    if code.endswith('.SH') or code.endswith('.SZ') or code.endswith('.CSI'):
+                        a_share_dates = index_data[code].index
+                        break
+                else:
+                    a_share_dates = index_data[valid_codes[0]].index
         
         factor_values = {}
         final_valid_codes = []
@@ -408,8 +476,15 @@ class RotationStrategy(StrategyBase):
         # 4. 执行回测
         print("\n执行回测...")
         
-        # 获取A股交易日历（从因子数据索引）
-        a_share_dates = signals.index
+        # 获取 A 股 SSE 官方交易日历（优先使用已获取的）
+        a_share_dates = data.get('a_share_dates')
+        if a_share_dates is None or len(a_share_dates) == 0:
+            a_share_dates = signals.index
+        
+        # 将信号对齐到 A 股日历
+        if a_share_dates is not signals.index:
+            signals = signals.reindex(a_share_dates, method='ffill').dropna(subset=[signals.columns[0]])
+            print(f"  信号对齐到A股日历: {len(signals)} 天")
         
         # 计算日收益率：先在原始交易日历计算，再对齐到A股日历
         # 关键：与因子计算逻辑一致，避免交易日不对齐导致收益率NaN